Potentiel de l'imagerie optique satellitaire à haute résolution pour détecter les dommages engendrés par des épisodes pluvieux extrêmes

Abstract

De nombreuses données satellites peuvent aujourd'hui être combinées afin de couvrir des surfaces très importantes avec une très haute résolution spatiale (THR) ainsi qu'une haute fréquence de revisite. Le potentiel de ces images pour évaluer et cartographier les dommages engendrés par des pluies extrêmes, en particulier ceux causés par le ruissellement pluvial, a été jusqu'à présent peu étudié. Cette étude propose une méthode pour détecter de la manière la plus exhaustive possible ces dommages à partir de données satellitaires THR et HR acquises au plus près, avant et après, d'un événement de pluie intense. Pour ce faire, nous avons utilisé des images Pléiades (0,7 m) et Sentinel-2 (10 m) acquises au-dessus de la région de l'Aude (France), fortement touchée par des intempéries le 15 octobre 2018. Notre intérêt a porté sur les zones agricoles qui ont fait l'objet de 1119 demandes d'indemnisation en calamités agricoles pour cet événement. Plusieurs indices et filtres spectraux ont été appliqués sur un échantillon d'images Sentinel-2 sélectionnées avant et après l'épisode orageux. Ce travail exploratoire révèle que certains types de dommages agricoles sont bien détectés alors que d'autres, même clairement visibles sur les images Pléiades, sont plus difficiles à distinguer avec les indices et filtres sélectionnés sur les images Sentinel-2. Il démontre également le potentiel de ces méthodes pour discriminer les différents degrés de dégâts relevés sur les parcelles agricoles. Cette étude confirme l'importance de combiner information spectrale, temporelle et contextuelle pour détecter à l'aide de l'imagerie optique les dommages engendrés par des pluies extrêmes, en particulier ceux causés par le ruissellement pluvial. Ces travaux préliminaires ouvrent la voie au développement de nouvelles méthodes de détection, l'utilisation de nouveaux indices ainsi que sur l'intelligence artificielle. Combination of numerous satellite data has lately become available to cover large areas with very high spatial resolution (VHR) and high revisit frequency. Little studies have yet made use of these images to assess and map damages following an extreme rainfall event, in particular those caused by rainwater runoff. We therefore investigate a specific approach to detect these damages as exhaustively as possible from VHR and HR satellite data acquired as closely as possible before and after an intense rainfall event. To do so, we used Pléiades (0.7 m) and Sentinel-2 (10 m) images taken over the Aude region (France) which was heavily affected by a severe storm on October 15th, 2018. We chose to focus on agricultural lands as 1119 claims for agricultural disaster were registered and certified following this event. Post-event VHR Pléiades images were used to identify claimed damages over a subset of agricultural plots as well as to determine contextual information such as the type of damage (erosion, deposit, uprooting). Several indices and spectral filters were then applied to the selected areas from pre and post-event Sentinel-2 images. This exploratory work reveals that certain types of agricultural damage are well detected while others, albeit clearly visible on Pleiades images, are harder to identify with the selected indices and filters on Sentinel-2 images. It also shows the potential of this approach to discriminate the extent of damage that was declared over agricultural areas. This study emphasizes how relevant the use of combined spectral, temporal and contextual information is to detect damages following an extreme rainfall event, in particular those caused by rainwater runoff, thanks to optical imagery, as spectral knowledge alone does not appear to be sufficient. This preliminary work paves the way for further work based on the development of more advanced change detection methods, clues and filters as well as artificial intelligence.